Исследование Madrona показывает неприятную перемену: enterprise по-прежнему готов тратить больше на AI, но долгую выручку это уже не обещает. Пилоты часто не доходят до продакшена, а вендоров пересматривают каждые полгода — значит, ARR теперь держится не на инерции, а на постоянной доказанной пользе.
Суть события
По данным Madrona, 74% из 150 опрошенных enterprise-IT специалистов планируют увеличить AI-бюджеты в ближайшие 12 месяцев, а остальные собираются хотя бы не сокращать расходы. На бумаге это очень бодрый рынок: деньги есть, интерес есть, AI по-прежнему в приоритете. Но у этой картины есть вторая сторона — меньше половины AI-пилотов доходит до полноценного продакшена.
То есть стартовать стало проще, чем закрепиться. И это меняет экономику AI-продаж. Если раньше enterprise-выручка могла опираться на длинный цикл и привычную корпоративную инерцию, то теперь даже рабочий продукт не гарантирует спокойный год впереди. Claude Cowork здесь хороший ориентир: ценность AI всё чаще меряют не обещанием, а тем, какую конкретную работу он снимает с людей.
Детали
Самый неприятный для рынка вывод — 77% компаний пересматривают AI-вендоров каждые шесть месяцев или даже на постоянной основе. Это совсем не похоже на классический enterprise SaaS, где многолетний договор делал половину работы за продавца. В AI цикл короче и нервнее: пилот, запуск, ревью, новый тендер, сравнение альтернатив. Выручка может быстро вырасти, но её удержание требует уже почти ручной работы.
Отсюда и ощущение хрупкости. Стартапы любят показывать ARR как знак победы, но исследование намекает на более честную формулировку: рост есть, а вот устойчивость ещё надо заслужить. Пока одни компании гонятся за новыми логотипами в отчётах, другие тихо считают, сколько клиентов останется после следующего пересмотра. И это, честно говоря, куда важнее красивого скриншота из CRM.
Контекст
Проблема не только в удержании, но и в том, как за AI вообще хотят платить. Исследование a16z среди 50 технических покупателей показывает: больше половины хотят видеть не token-based pricing, а оплату за результат — сколько отчётов обработано, сколько тикетов закрыто, сколько лидов получено. Для enterprise это звучит разумно: платить проще за измеримую работу, а не за абстрактное использование модели.
Именно поэтому AI-стартапам приходится перестраивать не только продукт, но и язык продаж. Если цена привязана к итоговому эффекту, клиенту легче понять ценность и сравнить её с альтернативой. Если цена привязана к шуму вокруг AI, доверие быстро уходит. В 2025-м казалось, что корпоративный рынок наконец-то закрепится в AI надолго. Сейчас видно другое: это всё ещё режим осторожного эксперимента, а не пожизненной привязки.
Что дальше
Для основателей вывод простой и неприятный: ARR в AI надо строить так, будто каждый клиент может пересмотреть решение уже через полгода. Значит, важнее становятся быстрый payback, прозрачная экономия, понятный результат и очень ясная логика цены. Если продукт нельзя объяснить через конкретную работу и конкретную пользу, его будет трудно удержать, даже если входящий спрос пока бодрый.
Для покупателей это, наоборот, хорошая новость. Рынок становится честнее: можно меньше верить слову AI и больше смотреть на метрику, которую продукт реально двигает. А значит, у команд, которые умеют показать экономию времени, денег или задач, сейчас есть заметное преимущество. И, похоже, это преимущество будет только расти.
Похожий взгляд на то, как AI оценивают через конкретный результат, есть у AI Digest (ai-digest.ru): разбор про outcome-based AI value в повседневной работе.
